CN103020846B

CN103020846B - 一种移动应用的推送方法及***

Info

Publication number: CN103020846B
Application number: CN201210546492.5A
Authority: CN
Inventors: 庞文博; 杨锴
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2012-12-14
Filing date: 2012-12-14
Publication date: 2019-11-26
Anticipated expiration: 2032-12-14
Also published as: CN103020846A

Abstract

本发明提供了一种移动应用的推送方法，包括：依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户；本发明还提供一种移动应用的推送***。根据本发明提供的技术方案，能够动态的生成推荐结果，提高推荐结果的命中率。

Description

一种移动应用的推送方法及***

【技术领域】

本发明涉及互联网应用领域，尤其涉及一种移动应用的推送方法及***。

【背景技术】

目前，移动应用商店都会在用户下载或浏览应用时向用户推送一些移动应用，用来向用户推荐移动应用，推送方法是定时对用户历史日志和已安装的移动应用的列表进行分析，依据分析结果生成一组推荐结果，当用户登录移动应用商店后，将预先生成的推荐结果推送给用户。

因此，目前移动应用的推荐方式存在以下问题：

1、由于都是定时生成推荐结果，这种静态推荐方式没有实际考虑用户在当前交互过程中的各种表现，不会依据这些表现实时分析用户的真实意图，从而不能给出最合适用户当前状态的推荐结果，导致推荐命中率较低。

2、不能实时调整推荐结果，从而导致向用户推荐在本次交互中已经不敢兴趣，甚至刚刚下载过的移动应用，出现推荐重复的问题，浪费资源。

【发明内容】

本发明提供了一种移动应用的推送方法及***，能够动态的生成推荐结果，提高推荐结果的命中率。

本发明的具体技术方案如下：

根据本发明一优选实施例，一种移动应用的推送方法，包括：

依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；

依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户。

上述方法中，生成移动应用类别的权重值的方法为：

依据用户历史日志获取距离当前时间最近的一个以上用户接触过的移动应用，并依据距离当前时间长短计算获取的移动应用的权重值；

依据移动应用的本体库对所述移动应用分类，将属于相同移动应用类别的移动应用的权重值相加，得到移动应用类别的权重值。

上述方法中，所述依据距离当前时间长短计算获取的移动应用的权重值具体包括：

利用如下公式计算移动应用的权重值：

w_t＝3^-λ(T-t)

其中，w_t为移动应用的权重值，T为当前时间，t为用户接触移动应用的时间，λ等于0.3。

上述方法中，该方法还包括：

依据前端的移动应用商店在每次用户的场景发生变化时发送的请求中的from字段判断当前场景。

上述方法中，生成移动应用在当前场景对应的特征参数的方法为：

当前场景为搜索场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，利用如下公式计算所述移动应用在当前场景对应的特征参数：

其中，表示移动应用app_m在搜索场景下对应的特征参数，移动应用app_m所属的移动应用类别为移动应用类别concept_i，和分别为移动应用app_m在用户历史日志中被查看的总次数、被下载的总次数和被使用的总时长；和分别为移动应用类别concept_i下所有的移动应用在用户历史日志中被查看的总次数、被下载的总次数和被使用的总时长；k₁等于0.2，k₂等于0.4，k₃等于0.4。

当前场景为榜单场景或分类场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，利用如下公式计算所述移动应用在当前场景对应的特征参数：

其中，表示移动应用app_m在榜单场景下对应的特征参数，移动应用app_m所属的移动应用类别为移动应用类别concept_i，和分别为今天和昨天移动应用app_m在用户历史日志中被查看的总次数，和分别为今天和昨天移动应用app_m在用户历史日志中被下载的总次数，和分别为今天和昨天移动应用app_m在用户历史日志中被使用的总时长；k₁等于0.2，k₂等于0.4，k₃等于0.4。

上述方法中，当前场景为类别场景时，该方法还包括：依据用户当前的移动应用类别对所述移动应用类别进行筛选，筛除用户当前的移动应用类别以外的移动应用类别。

上述方法中，移动应用的本体库中新增的移动应用的特征参数为默认的特征参数；所述默认的特征参数等于移动应用类别中特征参数最高的三个移动应用的特征参数的平均值乘以衰减因子。

上述方法中，所述移动应用类别下移动应用的推荐度为：移动应用类别的权重值与所述移动应用类别下移动应用在当前场景对应的特征参数的乘积。

一种移动应用的推送***，包括：推荐度生成单元、推送单元；其中，

推荐度生成单元，用于依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；

推送单元，用于依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户。

上述***中，该***还包括：用于生成移动应用类别的权重值的权重值生成单元；

权重值生成单元在生成移动应用类别的权重值时，具体包括：

上述***中，所述依据距离当前时间长短计算获取的移动应用的权重值，具体包括：

利用如下公式计算移动应用的权重值：

w_t＝3^-λ(T-t)

上述***中，该***还包括：

场景判断单元，用于依据前端的移动应用商店在每次用户的场景发生变化时发送的请求中的from字段判断当前场景。

上述***中，该***还包括：用于生成移动应用在当前场景对应的特征参数的特征参数生成单元；

特征参数生成单元在生成移动应用在当前场景对应的特征参数时，具体包括：当前场景为搜索场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，利用如下公式计算所述移动应用在当前场景对应的特征参数：

特征参数生成单元在生成移动应用在当前场景对应的特征参数时，具体包括：

上述***中，当前场景为类别场景时，特征参数生成单元还用于依据用户当前的移动应用类别对所述移动应用类别进行筛选，筛除用户当前的移动应用类别以外的移动应用类别。

上述***中，特征参数生成单元还用于采用默认的特征参数作为移动应用的本体库中新增移动应用的特征参数；所述默认的特征参数等于移动应用类别中特征参数最高的三个移动应用的特征参数的平均值乘以衰减因子。

上述***中，所述移动应用类别下移动应用的推荐度为：移动应用类别的权重值与所述移动应用类别下移动应用在当前场景对应的特征参数的乘积。

由以上技术方案可以看出，本发明提供的技术方案具有以下有益效果：

用户登录移动应用商店后，依据用户当前场景实时的、动态的生成推荐结果推送给用户，使得推荐结果最合适用户当前状态，从而提高推荐结果的命中率。

【附图说明】

图1是本发明实现移动应用的推送方法的优选实施例的流程示意图；

图2是本发明实现移动应用的推送***的优选实施例的结构示意图。

【具体实施方式】

本发明的基本思想是：依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户。

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

本发明提供一种移动应用的推送方法，图1是本发明实现移动应用的推送方法的优选实施例的流程示意图，如图1所示，该优选实施例包括以下步骤：

步骤101，依据用户历史日志获取距离当前时间最近的一个以上用户接触过的移动应用，并依据距离当前时间长短计算获取的移动应用的权重值。

具体的，移动应用商店的数据平台会存储用户使用移动应用商店时的用户历史日志，数据平台以文本格式存储用户历史日志，并以每小时为单位将一个小时内的用户历史日志的文本保存到同一个文件中；所述用户历史日志包括用户在移动应用商店中接触过的移动应用的信息，用户接触过的移动应用包括用户查看或下载的移动应用；其中，用户在移动应用商店中接触过的移动应用的信息包括用户标识（UID）、该用户在移动应用商店中接触过的移动应用的标识（packageID）以及该用户在移动应用商店中接触过的移动应用的时间，移动应用的信息按照用户接触移动应用的时间的先后顺序进行保存。

用户登录移动应用商店后，依据数据平台中存储的该用户的用户历史数据，获取距离当前时间最近的一个以上用户接触过的移动应用，获取的移动应用的具体数量可以进行灵活配置，这里，距离当前时间最近的用户接触过的移动应用能够体现出用户的行为轨迹，是用户在移动应用商店中的真实表现。

依据距离当前时间长短，并利用公式（1）计算获取的距离当前时间最近的一个以上用户接触过的移动应用的权重值：

w_t＝3^-λ(T-t) （1）

其中，w_t为移动应用的权重值，T为当前时间，t为用户接触移动应用的时间，λ为衰减因子，本优选实施例中，λ等于0.3；这里，用户在移动应用商店中点击的时间间隔不同，因此本优选实施例中采用时间单位机制，用户接触移动应用的时间t不是具体的时间，而是依据用户在时间t的点击操作距离当前操作之间的操作总数确定的时间单位，时间t与当前时间T之间的时间单位等于两次操作之间的操作总数，例如，用户在时间t的点击操作距离当前操作之间一共有5次操作，则t的时间单位等于5，即T-t等于5。

例如，如果移动应用为用户当前查看的移动应用，则T等于t，该移动应用的权重值w_t＝3⁰＝1；如果移动应用为5个时间单位之前用户查看的移动应用，则T-t等于5，该移动应用的权重值约为0.85。

步骤102，依据移动应用的本体库对移动应用分类，将属于相同移动应用类别的移动应用的权重值相加，得到移动应用类别的权重值。

具体的，移动应用的本体库是以移动应用的标识（packageID）为单位，包含该移动应用的标识对应的名称、类别信息和属性信息，例如，移动应用的本体库可以如表1所示：

表1

在计算完移动应用的权重值之后，对于步骤101中获取的距离当前时间最近的一个以上用户接触过的移动应用，依据移动应用的标识在移动应用的本体库中，获取每个移动应用的类别信息，然后依据移动应用的类别信息对移动应用进行分类，得到步骤101中获取的一个以上移动应用所对应的一个以上移动应用类别，依据计算出的移动应用的权重值，将属于相同移动应用类别的移动应用的权重值相加，得到该移动应用类别的权重值。

步骤103，依据移动应用类别的权重值和移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度，依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户。

具体的，依据前端的移动应用商店在每次用户的场景发生变化时发送的请求中的from字段判断用户的当前场景，如果请求中from字段的值为“search@关键字”，表示用户的当前场景为搜索场景，如果请求中from字段的值为index，表示用户的当前场景为榜单场景，如果请求中from字段的值为cate，表示用户的当前场景为类别场景；这里，用户的场景发生变化包括两种情况，一种是用户登录移动应用商店，另一种是用户由一个场景切换到另一个场景，例如，用户在搜索移动应用时，看到了移动应用的榜单，因此进入了榜单查看移动应用，这样用户就是由搜索场景切换到了榜单场景；其中，当前场景为搜索场景，表示用户对移动应用具有较强的目的性，如果当前场景为榜单场景，表示用户对移动应用具有较弱的目的性，如果当前场景为类别场景，表示用户对移动应用具有中等的目的性，因此，需要依据当前场景分析用户对移动应用的目的性强弱，从而可以依据用户的目的性强弱生成推荐结果推送给用户；所述前端的移动应用商店包括PC站移动应用商店、Wap站移动应用商店和移动终端的移动应用商店。

所述用户历史日志还包括用户使用移动应用的时长信息；所述用户使用移动应用的时长信息包括用户标识（UID）、该用户使用的移动应用的标识（packageID）以及该用户使用该移动应用的时长。

当判断出用户的当前场景为搜索场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，统计计算出权重值的移动应用类别下移动应用的查看总次数、下载总次数和使用总次数，依据统计出的次数，并利用公式（2）计算该移动应用在当前场景对应的特征参数：

其中，表示移动应用app_m在搜索场景下对应的特征参数，移动应用app_m所属的移动应用类别为移动应用类别concept_i，表示移动应用app_m在用户历史日志中被查看的总次数，表示移动应用app_m在用户历史日志中被下载的总次数，表示移动应用app_m在用户历史日志中被使用的总时长，的单位为分钟；表示移动应用类别concept_i下所有的移动应用在用户历史日志中被查看的总次数；表示移动应用类别concept_i下所有的移动应用在用户历史日志中被下载的总次数，表示移动应用类别concept_i下所有的移动应用在用户历史日志中被使用的总时长；k₁表示移动应用app_m在用户历史日志中被查看对应的影响因子，k₂表示移动应用app_m在用户历史日志中被下载对应的影响因子，k₃表示移动应用app_m在用户历史日志中总时长的影响因子，本优选实施例中，k₁等于0.2，k₂等于0.4，k₃等于0.4。

当判断出用户的当前场景为榜单场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，统计计算出权重值的移动应用类别下移动应用的查看上升率、下载上升率和使用上升率，依据统计出的上升率，并利用公式（3）计算移动应用在当前场景对应的特征参数：

其中，表示移动应用app_m在榜单场景下对应的特征参数，移动应用app_m所属的移动应用类别为移动应用类别concept_i，表示今天移动应用app_m在用户历史日志中被查看的总次数，表示昨天移动应用app_m在用户历史日志中被查看的总次数，表示今天移动应用app_m在用户历史日志中被下载的总次数，表示昨天移动应用app_m在用户历史日志中被下载的总次数，表示今天移动应用app_m在用户历史日志中被使用的总时长，表示昨天移动应用app_m在用户历史日志中被使用的总时长，和的单位为分钟；k₁表示移动应用app_m在用户历史日志中被查看对应的影响因子，k₂表示移动应用app_m在用户历史日志中被下载对应的影响因子，k₃表示移动应用app_m在用户历史日志中总时长的影响因子，本优选实施例中，k₁等于0.2，k₂等于0.4，k₃等于0.4。

当判断出用户的当前场景为类别场景时，依据用户当前的移动应用类别对得到权重值的移动应用类别进行筛选，仅保留用户当前的移动应用类别，然后依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，统计该移动应用类别下移动应用的查看上升率、下载上升率和使用上升率，依据统计的上升率，并利用公式（3）计算该移动应用类别下移动应用在当前场景对应的特征参数。

其中，如果移动应用app_m为移动应用的本体库中新增的移动应用，则新增的移动应用采用默认的特征参数，默认的特征参数的计算方法为利用移动应用类别concept_i中特征参数最高的三个移动应用的特征参数的平均值乘以一个衰减因子，本优选实施例中，该衰减因子等于0.4。

将步骤102得到的移动应用类别的权重值与移动应用在当前场景对应的特征参数相乘，得到当前场景下移动应用类别下移动应用的推荐度；依据推荐度由大到小的顺序对移动应用进行排序，依据预设的推荐结果个数n，将排在前n个的移动应用作为移动应用的推荐结果，将该推荐结果推送给用户。

为实现上述方法，本发明还提供一种移动应用的推送***，图2是本发明实现移动应用的推送***的优选实施例的结构示意图，如图2所示，该***包括：推荐度生成单元20、推送单元21；其中，

推荐度生成单元20，用于依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；

推送单元21，用于依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户。

该***还包括：用于生成移动应用类别的权重值的权重值生成单元22；

权重值生成单元22在生成移动应用类别的权重值时，具体包括：依据用户历史日志获取距离当前时间最近的一个以上用户接触过的移动应用，并依据距离当前时间长短计算获取的移动应用的权重值；依据移动应用的本体库对所述移动应用分类，将属于相同移动应用类别的移动应用的权重值相加，得到移动应用类别的权重值。

其中，所述依据距离当前时间长短计算获取的移动应用的权重值，具体包括：

利用如下公式计算移动应用的权重值：

w_t＝3^-λ(T-t)

该***还包括：场景判断单元23，用于依据前端的移动应用商店在每次用户的场景发生变化时发送的请求中的from字段判断当前场景。

该***还包括：用于生成移动应用在当前场景对应的特征参数的特征参数生成单元24；

特征参数生成单元24在生成移动应用在当前场景对应的特征参数时，具体包括：当前场景为搜索场景时，依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息，利用如下公式计算所述移动应用在当前场景对应的特征参数：

或，特征参数生成单元24在生成移动应用在当前场景对应的特征参数时，具体包括：

上述***中，当前场景为类别场景时，特征参数生成单元24还用于依据用户当前的移动应用类别对所述移动应用类别进行筛选，筛除用户当前的移动应用类别以外的移动应用类别。

上述***中，特征参数生成单元24还用于采用默认的特征参数作为移动应用的本体库中新增移动应用的特征参数；所述默认的特征参数等于移动应用类别中特征参数最高的三个移动应用的特征参数的平均值乘以衰减因子。

本发明的上述技术方案具有以下有益技术效果：

1、用户登录移动应用商店后，依据用户当前场景实时的、动态的生成推荐结果推送给用户，使得推荐结果最合适用户当前状态，从而提高推荐结果的命中率。目前，本发明的上述技术方案已经应用于实际***，在使用本发明的技术方案之前，内容页推荐的移动应用的点击量占内容页的所有点击量的比例为14.9%，推荐结果带来的点击和下载之间的转化率为22.8%，使用本发明的技术方案后，内容页推荐的移动应用的点击量占内容页的所有点击量的比例上升到22.1%，推荐结果带来的点击和下载之间的转化率为28.3%。

2、当用户当前场景发生变化时，能够依据场景变化实时调整推荐结果，不会向用户推荐已经不敢兴趣或下载过的移动应用，减少移动应用的重复推荐，节省资源。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims

1.一种移动应用的推送方法，其特征在于，该方法包括：

将预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数相乘，得到移动应用类别下移动应用的推荐度；其中，所述移动应用在当前场景对应的特征参数依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息计算得到；

依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户；其中，

生成移动应用类别的权重值的方法为，依据用户历史日志获取距离当前时间最近的一个以上用户接触过的移动应用，并依据距离当前时间长短计算获取的移动应用的权重值；依据移动应用的本体库对所述移动应用分类，将属于相同移动应用类别的移动应用的权重值相加，得到移动应用类别的权重值。

2.根据权利要求1所述的方法，其特征在于，所述依据距离当前时间长短计算获取的移动应用的权重值具体包括：

利用如下公式计算移动应用的权重值：

w_t＝3^-λ(T-t)

3.根据权利要求1所述的方法，其特征在于，该方法还包括：

4.根据权利要求1所述的方法，其特征在于，生成移动应用在当前场景对应的特征参数的方法为：

5.根据权利要求1所述的方法，其特征在于，生成移动应用在当前场景对应的特征参数的方法为：

6.根据权利要求5所述的方法，其特征在于，当前场景为类别场景时，该方法还包括：依据用户当前的移动应用类别对所述移动应用类别进行筛选，筛除用户当前的移动应用类别以外的移动应用类别。

7.根据权利要求4或5所述的方法，其特征在于，

移动应用的本体库中新增的移动应用的特征参数为默认的特征参数；所述默认的特征参数等于移动应用类别中特征参数最高的三个移动应用的特征参数的平均值乘以衰减因子。

8.一种移动应用的推送***，其特征在于，该***包括：推荐度生成单元、推送单元；其中，

推荐度生成单元，用于依据预先生成的移动应用类别的权重值和预先生成的移动应用在当前场景对应的特征参数，得到移动应用类别下移动应用的推荐度；其中，所述移动应用在当前场景对应的特征参数依据用户历史日志中用户在移动应用商店中接触过的移动应用的信息和用户使用移动应用的时长信息计算得到；

推送单元，用于依据预设的推荐结果个数将推荐度最高的一个以上移动应用作为推荐结果推送给用户；

用于生成移动应用类别的权重值的权重值生成单元，权重值生成单元在生成移动应用类别的权重值时，具体包括依据用户历史日志获取距离当前时间最近的一个以上用户接触过的移动应用，并依据距离当前时间长短计算获取的移动应用的权重值；依据移动应用的本体库对所述移动应用分类，将属于相同移动应用类别的移动应用的权重值相加，得到移动应用类别的权重值。

9.根据权利要求8所述的***，其特征在于，所述依据距离当前时间长短计算获取的移动应用的权重值，具体包括：

利用如下公式计算移动应用的权重值：

w_t＝3^-λ(T-t)

10.根据权利要求8所述的***，其特征在于，该***还包括：

11.根据权利要求8所述的***，其特征在于，该***还包括：用于生成移动应用在当前场景对应的特征参数的特征参数生成单元；

12.根据权利要求8所述的***，其特征在于，该***还包括：用于生成移动应用在当前场景对应的特征参数的特征参数生成单元；

13.根据权利要求12所述的***，其特征在于，当前场景为类别场景时，特征参数生成单元还用于依据用户当前的移动应用类别对所述移动应用类别进行筛选，筛除用户当前的移动应用类别以外的移动应用类别。

14.根据权利要求11或12所述的***，其特征在于，

特征参数生成单元还用于采用默认的特征参数作为移动应用的本体库中新增移动应用的特征参数；所述默认的特征参数等于移动应用类别中特征参数最高的三个移动应用的特征参数的平均值乘以衰减因子。